NLP Cluster Analysis of Common Core State Standards and NAEP Item Specifications

要約

Camilli (2024) は、自然言語処理 (NLP) を使用して、一連のコンテンツ標準の関係を項目仕様にマッピングする方法論を提案しました。
この研究は、NLP を使用してマッピング プロセスを改善できるという証拠を提供しました。
この調査の一環として、規格の名目上の分類と項目仕様を使用して、構成の同等性を調査しました。
今回の論文では、共通コア標準では「ドメイン」、国家教育進歩評価 (NAEP) 項目仕様では「ストランド」として知られる、これらの分類の意味上の独自性に対する経験的裏付けの強さを決定します。
これは、対応する埋め込みベクトルの規格と仕様を個別に k-means クラスタリングすることによって実現されます。
次に、これらの発見の応用について簡単に説明します。

要約(オリジナル)

Camilli (2024) proposed a methodology using natural language processing (NLP) to map the relationship of a set of content standards to item specifications. This study provided evidence that NLP can be used to improve the mapping process. As part of this investigation, the nominal classifications of standards and items specifications were used to examine construct equivalence. In the current paper, we determine the strength of empirical support for the semantic distinctiveness of these classifications, which are known as ‘domains’ for Common Core standards, and ‘strands’ for National Assessment of Educational Progress (NAEP) item specifications. This is accomplished by separate k-means clustering for standards and specifications of their corresponding embedding vectors. We then briefly illustrate an application of these findings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google